Lumos-Nexus：利用同構潛在空間與頻率銜接技術，實現高效能且具推理能力的影片生成架構

本研究提出 Lumos-Nexus 框架，透過兩階段訓練與頻率銜接技術，在維持低運算成本的同時，顯著提升統一影片生成模型的視覺品質與語義推理一致性。

Problem

現有的統一影片模型在整合大型高保真生成器時，面臨極高的運算成本壓力，這限制了模型所能達到的視覺品質，導致難以在強大的推理能力與高畫質影像產出之間取得平衡。

研究團隊設計了兩階段架構：首先在訓練階段僅對齊輕量化生成器以學習語義控制；隨後在推論階段引入「統一進階頻率銜接（UPFB）」技術，於共享潛在空間中將生成任務逐步移交給預訓練的高效能生成器，實現由粗到細的品質精煉。

實驗結果顯示，Lumos-Nexus 在 VBench 基準測試的視覺真實感與時間連續性上均有顯著提升。此外，在同步推出的 VR-Bench 測試中，該模型也展現出將推論意圖精準轉譯為語義一致影片內容的卓越能力。

此研究成功解決了將高保真生成器整合至統一模型時的算力瓶頸，為開發兼具深層邏輯推理與頂尖視覺品質的影片生成系統開闢了更高效的技術路徑。